Kurzusleírás
Bevezetés az Appliedbe Machine Learning
- Statisztikai tanulás kontra gépi tanulás
- Iteráció és értékelés
- Bias-Variance kompromisszum
Machine Learning és Python
- Könyvtárak választéka
- Kiegészítő eszközök
Regresszió
- Lineáris regresszió
- Általánosítások és nemlinearitás
- Feladatok
Osztályozás
- Bayesi frissítő
- Naiv Bayes
- Logisztikus regresszió
- K-Legközelebbi szomszédok
- Feladatok
Keresztellenőrzés és újramintavételezés
- Keresztellenőrzési megközelítések
- Bootstrap
- Feladatok
Felügyelet nélküli tanulás
- A K-csoportosulást jelent
- Példák
- A felügyelet nélküli tanulás kihívásai és a K-eszközökön túl
Követelmények
Python programozási nyelv ismerete. A statisztika és a lineáris algebra alapszintű ismerete ajánlott.
Vélemények (5)
Az oktató megmutatta, hogy jól érti a témát.
Marino - EQUS - The University of Queensland
Kurzus - Machine Learning with Python – 2 Days
Gépi fordítás
Nagyon jó bevezető volt az ML-be!! Nagyon tetszett az egész. A szervezés tökéletes volt. Megfelelő idő az előadásokra/demókra, és csak a játékra. Sok témát érintettek, csak a megfelelő szinten. Nagyon jó volt abban is, hogy szuperül elkövessen minket, még akkor is, ha nem volt bekapcsolt kamera.
Zsolt - EQUS - The University of Queensland
Kurzus - Machine Learning with Python – 2 Days
Gépi fordítás
Világos magyarázat és hozzáértő válasz a kérdésekre.
Harish - EQUS - The University of Queensland
Kurzus - Machine Learning with Python – 2 Days
Gépi fordítás
The knowledge of the trainer was very high and the material was well prepared and organised.
Otilia - TCMT
Kurzus - Machine Learning with Python – 2 Days
I thought the trainer was very knowledgeable and answered questions with confidence to clarify understanding.